MétaCan
Menu
Retour à la cohorte
Enregistrement W4392634317 · doi:10.1080/01496395.2024.2315621

Heavy metal adsorption from phosphoric acid 29% P <sub>2</sub> O <sub>5</sub> with Amberlite IRC200 Na resin

2024· article· en· W4392634317 sur OpenAlexafffund
Lana Masri, Adrián Carrillo García, Luc Charbonneau, Jamal Chaouki

Notice bibliographique

RevueSeparation Science and Technology · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdsorption and biosorption for pollutant removal
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesOCP GroupMitacs
Mots-clésAmberliteChemistryAdsorptionPhosphoric acidMetalInorganic chemistryNuclear chemistryIon-exchange resinRadiochemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Phosphoric acid plays a major role in our day-to-day life since it is used among other applications to produce fertilizers. Nevertheless, its production from phosphate rock often involves the presence of heavy metals. This study investigates the adsorption of cadmium, zinc, nickel, chromium, arsenic, and vanadium from phosphoric acid on a strongly acidic cation exchange resin, Amberlite IRC200 Na. Amberlite IRC200 Na is an easily regenerated resin with a high selectivity toward divalent cations (Cd, Zn, and Ni) removing 94% of them, while the formation of anionic or neutral complexes with phosphoric acid hinders the adsorption of Cr (70%), As and V (below 20%) on the resin. To model the resin adsorption in a continuous flow, the kinetics and isotherm have been studied. The fast adsorption of metals follows a pseudo-second order kinetic, where the rate is equivalent to the square of the number of remaining adsorption sites. The adsorption isotherm follows a Langmuir equilibrium model, which indicates that the ion exchange can be approximated to a homogeneous adsorption. The kinetic and isotherm results show that the resin is not selective between divalent ions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,008
Tête enseignante GPT0,237
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSeparation Science and TechnologyMême sujetAdsorption and biosorption for pollutant removalTravaux en français237 207